本研究提出自我控制动态扩展模型（SCDEM），克服了持续学习中静态模型的局限性。该模型利用多个可训练的视觉变换器生成多样化表示，并引入协同优化机制，显著提升新任务的学习效果，实验结果表明其性能达到最先进水平。

本文提出了一种框架，用于在数字神经形态硬件中训练和部署高性能尖峰神经网络模型。该框架通过协同优化的突触延迟，在两个神经形态数字硬件平台上训练模型，并展示了从软件到硬件的过渡过程中的最小精度降低。